Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

Jurnal Optimasi Global27:349–365, 2003.

349
© 2003Penerbit Akademik Kluwer. Dicetak di Belanda.

Aplikasi Branch and Cut to Open Pit Mine

Scheduling

LOUIS CACCETTA dan STEPHEN P. HILL

Sekolah Matematika dan Statistik, Universitas Teknologi Curtin, GPO Box U1987, PERTH,
Australia Barat, 6845 (Email: caccetta@maths.curtin.edu.au , hillsp@maths.curtin.edu.au )

Abstrak.Kelayakan ekonomi tambang modern sangat bergantung pada perencanaan dan pengelolaan yang
cermat. Tren penurunan rata-rata kadar bijih, peningkatan biaya penambangan, dan pertimbangan
lingkungan akan memastikan bahwa situasi ini akan tetap ada di masa mendatang. Pengoperasian dan
pengelolaan tambang terbuka besar yang berumur beberapa tahun merupakan tugas yang sangat besar
dan kompleks. Meskipun sejumlah teknik pengoptimalan telah berhasil diterapkan untuk menyelesaikan
beberapa masalah penting, masalah penentuan jadwal produksi yang optimal selama umur simpanan masih
belum terselesaikan. Dalam makalah ini kami akan secara kritis memeriksa teknik yang digunakan dalam
industri pertambangan untuk penjadwalan produksi yang menunjukkan keterbatasannya. Selain itu, kami
menyajikan model pemrograman linier bilangan bulat campuran untuk masalah penjadwalan bersama
dengan strategi solusi Cabang dan Potong. Hasil komputasi untuk masalah berukuran praktis dibahas.

Kata kunci:Cabang dan Potong, Pemrograman Linier Integer Campuran, Penjadwalan Tambang, Optimasi

1. Perkenalan

Pengoperasian dan pengelolaan tambang terbuka yang besar merupakan tugas

yang sangat besar dan rumit, terutama untuk tambang yang berumur bertahun-
tahun. Teknik pengoptimalan dapat berhasil diterapkan untuk menyelesaikan
sejumlah masalah penting yang muncul dalam perencanaan dan pengelolaan
tambang. Aplikasi ini meliputi: pemodelan tubuh bijih dan estimasi cadangan bijih;
desain lubang yang optimal; penentuan jadwal produksi yang optimal; penentuan
tata letak operasi yang optimal; penentuan campuran optimal; penetapan kebijakan
pemeliharaan dan penggantian peralatan; dan banyak lagi (Caccetta dan Giannini,
[7–9]).
Masalah mendasar dalam perencanaan tambang adalah menentukan batas lubang akhir
yang optimal dari sebuah tambang. Batas optimal akhir lubang tambang didefinisikan sebagai
kontur yang merupakan hasil dari ekstraksi volume material yang memberikan total
keuntungan maksimum sekaligus memenuhi persyaratan operasional lereng dinding yang
aman. Batas lubang akhir memberikan bentuk tambang di akhir masa pakainya. Biasanya
kontur ini dihaluskan untuk menghasilkan garis lubang akhir.
350 L. CACCETTA DAN SP HILL

Desain pit yang optimal memainkan peran utama dalam semua tahap umur tambang terbuka: di
tahap studi kelayakanketika ada kebutuhan untuk menghasilkan desain lubang seumur hidup; pada
fase operasiketika pit perlu dikembangkan untuk menanggapi perubahan harga logam, biaya,
cadangan bijih, dan kemiringan dinding; dan menujuakhir umur tambangdi mana desain pit akhir
memungkinkan penghentian ekonomi proyek. Pada semua tahap diperlukan pemantauan terus-
menerus terhadap pit yang optimal, untuk memfasilitasi perencanaan tambang jangka panjang,
jangka menengah, dan jangka pendek yang terbaik serta eksploitasi cadangan berikutnya.
Perencanaan lubang dan tambang yang optimal adalah konsep dinamis yang membutuhkan tinjauan
konstan. Dengan demikian teknik optimasi lubang harus dianggap sebagai alat manajemen yang kuat
dan diperlukan. Selanjutnya, metode optimasi pit harus sangat efisien untuk memungkinkan analisis
sensitivitas yang efektif. Dalam praktiknya seseorang perlu membangun seluruh spektrum lubang,
masing-masing sesuai dengan kumpulan parameter tertentu.

Masalah batas pit ultimate telah diselesaikan secara efisien menggunakan algoritma
teori grafik Lerchs-Grossmann [28] atau metode aliran jaringan Picard [33] (lihat juga
Caccetta dan Giannini [7,8]). Metode ini didasarkan pada “model blok” dari badan bijih;
model blok dirinci di bagian selanjutnya. Analisis komparatif dari kedua metode tersebut
diberikan oleh Caccetta et al [10]. Desain pit yang optimal memainkan peran penting
dalam penjadwalan tambang.
Masalah penjadwalan produksi tambang terbuka dapat didefinisikan sebagai
menentukan urutan di mana "blok" harus dihapus dari tambang untuk memaksimalkan
total potongan keuntungan dari subjek tambang berbagai kendala fisik dan ekonomi.
Biasanya, kendala terkait dengan: urutan ekstraksi pertambangan; kapasitas
penambangan, penggilingan dan pemurnian; nilai pakan pabrik dan konsentrat; dan
berbagai persyaratan operasional seperti lebar dasar lubang minimum. Masalah
penjadwalan dapat diformulasikan sebagai program linear bilangan bulat campuran
(MILP). Namun, dalam aplikasi nyata, formulasi ini terlalu besar, baik dari segi jumlah
variabel maupun jumlah kendala, untuk dipecahkan oleh perangkat lunak MILP yang
tersedia.
Beberapa pendekatan untuk masalah penjadwalan telah muncul dalam literatur
termasuk: heuristik (Caccetta et al [14] dan Gershon [23]); relaksasi Lagrangian
(Caccetta et al [14]); metode parametrik (Dagdelen dan Johnson [17], Francois-
Bongarcon dan Guibal [6], Matheron [29,30] dan Whittle [37,38]); teknik
pemrograman dinamis (Tolwinski dan Underwood [36]); pemrograman linier
bilangan bulat campuran (Caccetta et al [11,14]; Dagdelen dan Johnson [17] dan
Gershon [22]); dan penerapan algoritma kecerdasan buatan seperti anil simulasi,
algoritma genetika (Denby dan Schofield [18]) dan jaringan saraf (Denby et al [19]).
Karena kerumitan dan besarnya masalah, semua pendekatan ini memiliki satu atau
lebih keterbatasan berikut: tidak dapat memenuhi sebagian besar kendala yang
muncul; hanya menghasilkan solusi suboptimal dan dalam banyak kasus tanpa
ukuran kualitas; hanya dapat menangani masalah berukuran kecil.
Dalam makalah ini kami akan menyajikan hasil dari upaya kami untuk menghasilkan metode
komputasi yang menggabungkan semua kendala dalam optimasi dan hasil yang dapat dibuktikan.
APLIKASI PENJADWALAN CABANG DAN POTONG UNTUK TAMBANG TERBUKA 351

solusi yang baik untuk masalah ukuran yang cukup besar. Mengingat bahwa pertambangan
mewakili sekitar 4% dari PDB bersih dunia, pemodelan dan solusi kami yang lebih akurat untuk
masalah pertambangan praktis memiliki dampak ekonomi yang signifikan. Kami memberikan
formulasi MILP dari masalah penjadwalan dan menyajikan prosedur Branch and Cut untuk
solusinya. Hal ini dilakukan di Bagian 3. Hasil komputasi dibahas di Bagian 4. Bagian
selanjutnya memberikan rincian model blok yang digunakan serta catatan kritis dari berbagai
teknik yang digunakan di industri pertambangan. Kami hanya membahas metode yang lebih
menjanjikan yang telah diterapkan pada tambang nyata.

2. Pendahuluan

Pada bagian ini kami menguraikan beberapa metode yang telah diusulkan untuk berbagai masalah
pengembangan tambang. Kami mulai dengan model blok dasar dari badan bijih, kemudian kami
menyajikan formulasi pemrograman linier bilangan bulat campuran dari masalah penjadwalan dan
mendiskusikan sejumlah algoritma yang telah diusulkan untuk solusinya. Kami berfokus terutama
pada metode yang telah terbukti berguna dalam industri pertambangan. Untuk pembahasan metode
lain kami mengacu pada Kim [27] dan Thomas [34,35].

2.1.MODEL BLOK

Tugas awal dalam manajemen tambang adalah pembentukan model

deposit yang akurat. Meskipun sejumlah model tersedia, model blok tetap
3D biasa adalah yang paling umum digunakan dan paling cocok untuk
penerapan teknik pengoptimalan terkomputerisasi (Gignac [24] dan Kim
[27]). Model ini didasarkan pada tubuh bijih yang dibagi menjadi blok
berukuran tetap. Dimensi blok bergantung pada karakteristik fisik tambang,
seperti kemiringan lubang, kemiringan deposit dan variabilitas kadar serta
peralatan yang digunakan. Pusat setiap blok ditetapkan, berdasarkan data
lubang bor dan teknik numerik, representasi kelas dari seluruh blok. Teknik
numerik yang digunakan adalah beberapa metode perluasan kelas seperti:
interpolasi tertimbang jarak, analisis represi, rata-rata bergerak tertimbang
dan kriging (Gignac [24]).
Persyaratan kemiringan dinding untuk setiap blok dijelaskan oleh satu set (biasanya 4
sampai 8) pasangan azimuth-dip. Dari sini kita dapat mengidentifikasi untuk setiap blokX
himpunan balok SXyang harus dihapus sebelum blokXdapat ditambang. Kumpulan balok
iniX∪SX,biasanya disebut sebagai "kerucut".
Asumsi utama dalam model blok adalah: biaya penambangan setiap blok tidak bergantung
pada urutan penambangan; dan kemiringan dinding dan bentuk lubang yang diinginkan dapat
didekati dengan blok yang dilepas.
352 L. CACCETTA DAN SP HILL

2.2.MASALAH PENJADWALAN

Masalah penjadwalan produksi tambang terbuka dapat didefinisikan sebagai

menentukan urutan di mana blok harus dikeluarkan dari tambang untuk
memaksimalkan total diskon keuntungan dari subjek tambang untuk berbagai
kendala. Kendala mungkin melibatkan hal-hal berikut:
• throughput pabrik (pakan pabrik dan kapasitas pabrik)

• volume bahan yang diekstraksi per periode

• kendala pencampuran

• persediaan terkait kendala

• kendala logistik
Kami sekarang menyajikan formulasi pemrograman linier bilangan bulat campuran (MILP) sederhana
yang menggabungkan throughput pabrik dan volume batasan material yang diekstraksi. Kita mulai
dengan beberapa notasi. Membiarkan
T adalah jumlah periode di mana tambang sedang dijadwalkan.
N adalah jumlah total blok dalam tubuh bijih.
CSaya
T adalah keuntungan (dalam pengertian NPV) yang dihasilkan dari penambangan blokSayapada periode t.
HAI adalah himpunan blok bijih.
W adalah sekumpulan blok sampah.
TSaya adalah tonase blokSaya.
MT adalah tonase bijih yang digiling dalam periodeT.
SSaya {set blok yang harus dihapus sebelum penambangan blokSaya.
1,jika blokSayaditambang dalam periode
XSaya
T =
keT 0,jika tidak.
lT0 batas bawah jumlah bijih yang digiling pada periode tersebutT.
kamuT
0 batas atas pada jumlah bijih yang digiling dalam periodeT. batas
w
kamuT atas pada jumlah limbah yang ditambang dalam periodeT.
Maka formulasi MILP adalah:

∑T ∑N( ∑N
MaksimalkanZ=
CT−1 − CT) + TT
(2.1)
Saya SayaXSaya
CSayaXSaya
T−1
T=2
∑
Saya=1 Saya=1

1
tunduk pada TSayaX1Saya −M =0 (2.2)
∑ ( )
Saya∈HAI

TSaya XSaya − 1−MT=0,

T −XTSaya T=2,3, ..., T . (2.3)
∑
Saya∈HAI

1- kamuw
TSayaXSaya 1 (2.4)
∑
Saya∈W

( )
TSayaXTSaya−XSaya
T−1 - , T=2,3, ..., T .
wT
kamu (2.5)
Saya∈W
APLIKASI PENJADWALAN CABANG DAN POTONG UNTUK TAMBANG TERBUKA 353

XSaya
T−1-XT Saya, T=2,3, ..., T . (2.6)
XSaya
T -XTJ, T=1,2, ..., T ,j∈SSaya;Saya=1,2, ..., N. (2.7)
lT0-MT-kamuT0, T=1,2, ..., T . (2.8)
XSaya
T =0,1,untuk semuadia. (2.9)

Kendala (2.2), (2.3) dan (2.8) memastikan bahwa kapasitas penggilingan bertahan. Batasan (2.4)
dan (2.5) memastikan bahwa tonase limbah yang dibuang tidak melebihi batas atas yang
ditentukan. Kendala (2.6) memastikan bahwa sebuah blok dihapus dalam satu periode saja.
Batasan (2.7) merupakan batasan kemiringan dinding.
Formulasi di atas memilikiPB0 - 1 variabel, dan(N+2)T+N(d−1) kendala linier, di manaD
adalah jumlah rata-rata elemen dalam kerucut. Khas Tadalah sekitar 10,Nadalah 100.000
untuk lubang kecil dan lebih dari 1.000.000 untuk lubang yang lebih besar.
Konsekuensinya MILP yang muncul terlalu besar untuk aplikasi langsung dari paket
komersial. Namun, seperti yang kami tunjukkan dalam makalah ini, struktur masalah
dapat dieksploitasi untuk mengembangkan strategi komputasi yang menghasilkan solusi
yang terbukti baik.
Memecahkan MILP seperti (2.1) – (2.9) adalah tugas yang sulit dan menantang. Memang, dalam
konteks pertambangan, kurangnya teknik pengoptimalan langsung telah membuat industri
pertambangan berfokus pada submasalah yang mudah. Akibatnya penjadwalan yang dihasilkan
biasanya secara manual seringkali berada di luar jangkauan operasi yang ditentukan dan tentunya
jauh dari optimal. Pendekatan yang biasa dilakukan adalah pertama-tama menentukan garis besar pit
akhir dan kemudian melalui serangkaian penyempurnaan jadwal penambangan dihasilkan.
Outline lubang akhir ditentukan dengan menghaluskan kontur yang dihasilkan
dengan memecahkan masalah batas lubang akhir. Batas ultimate pit adalah nilai
maksimal pit yang dihasilkan dari penambangan bijih dan blok waste dengan asumsi
semua penambangan dapat dilakukan dalam satu periode. Artinya, solusi untuk masalah
(2.1) tunduk pada (2.7) denganT=1 dan (2.9).
Masalah ultimate pit limit dapat diselesaikan dengan menggunakan algoritma teori
graf Lerchs-Grossmann [28] atau dengan memecahkan formulasi aliran jaringan Picard
[33]. Selama 10 sampai 15 tahun terakhir paket efisien telah tersedia untuk memecahkan
masalah ini (Caccetta et al. [10,11]; Whittle [37,38]). Sebelumnya, Teknik Kerucut Bergerak
banyak digunakan karena kesederhanaannya. Teknik ini pada dasarnya memilih sebuah
blokXuntuk penambangan memberikan keuntungan total dari blok yang terkandung
dalam kerucutX∪SXpositif. Walaupun metode ini sangat sederhana, mudah untuk
menunjukkan bahwa solusi yang jauh dari optimal dapat diperoleh. Sejumlah
penyempurnaan teknik telah diusulkan (Yamatomi et al. [40]).
Algoritma Lerchs-Grossmann (LGA) menyediakan alat penting untuk desain tambang. Namun,
karena waktu bukanlah parameter masukan, penggunaannya untuk penjadwalan terbatas pada
tambang yang memiliki umur sangat pendek (hingga 3 tahun). Berikut ini kami merinci berbagai
pendekatan untuk penjadwalan tambang.
354 L. CACCETTA DAN SP HILL

2.3.ALGORITMA

Kami mulai dengan menunjukkan bahwa strategi yang diuraikan di atas untuk mendapatkan jadwal produksi
tambang dengan pertama-tama menentukan garis besar pit akhir dan kemudian menghasilkan jadwal yang
tepat.
Membiarkan

Ckamu: kontur yang dihasilkan oleh penerapan algoritma Lerchs-Grossman

(LGA).
CS: kontur akhir yang dihasilkan oleh jadwal yang optimal.
Kami mencatat bahwa LGA menghasilkan konturCkamudengan jumlah blok minimal. Kami
berasumsi bahwa konturCSjuga memiliki jumlah minimal blok. Perhatikan bahwaCS
berisi semua blok yang ditambang selamaTperiode waktu, yaitu:

⋃T
CS= {PSaya:PSayakumpulan blok yang ditambang dalam periodeSaya}.

Saya=1

TEOREMA. Pertimbangkan sebuah tambang terbuka di mana semua kendala memiliki non-
batas atas negatif dan batas bawah nol. KemudianCS⊆Ckamu.
Bukti.Misalkan sebaliknya bahwaCS-Ckamu. MembiarkanC1=CS\Ckamumenjadi kumpulan blok yang
ditambang di bawah jadwal optimal yang tidak terletakCkamu. Mempertimbangkan

C2=CS\C1=CS∩Ckamu,

kumpulan blok yang ditambang di bawah jadwal optimal yang adaCkamu. Perhatikan ituC2
adalah lubang yang layak. Lebih jauh,

Z(CS)=Z(C1)+Z(C2),

Di manaZ(CSaya)adalah nilai total blok dalam konturCSaya, Saya=1,2. MinimalnyaCSmenyiratkan bahwaZ(

CSaya) >0 untuk masing-masingSaya. Sekarang perhatikan konturnya

C′=Ckamu∪C1.

Perhatikan ituC′memenuhi batasan kemiringan dinding dan akibatnya adalah kontur

yang layak dalam hal masalah batas pit ultimate. Selanjutnya, sejakCkamu∩C1=φ,
konturC′memiliki nilai total

Z(C′)=Z(Ckamu)+Z(C1) > Z(Ckamu),

sebuah kontradiksi. Ini membuktikan bahwaCS⊆Ckamu.

Seperti disebutkan dalam subbagian sebelumnya, paket komersial yang baik tersedia
untuk mendapatkan konturCkamu. Pembuktian hasil di atas memungkinkan kita untuk
mengurangi model blok yang perlu diperhatikan. Hal ini menyebabkan pengurangan
jumlah variabel pada (2.1) – (2.9). Di bawah ini kami merinci pendekatan yang berupaya
menentukan jadwal produksi.
APLIKASI PENJADWALAN CABANG DAN POTONG UNTUK TAMBANG TERBUKA 355

2.3.1.Metode Parameterisasi

Dalam makalahnya Lerchs dan Grossmann [28] memperkenalkan konsep analisis

parametrik untuk menghasilkan urutan ekstraksi. Mereka mempertimbangkan model
yang tidak didiskon dan memvariasikan nilai ekonomi setiap blokSayadariCSayake(CSaya−λ)
untuk bervariasiλ- 0. Urutan yang meningkat dariλnilai memunculkan satu set lubang
bersarang. Lubang-lubang ini dapat digunakan untuk menghasilkan jadwal produksi.
Sejak karya awal ini sejumlah penulis telah mempertimbangkan aspek penerapan metode
ini dan variasinya (Francois-Bongarcon dan Guibal [6], Caccetta et al. [11,14], Caléou [15],
Dagdelen dan Johnson [17] , Matheron [29,30], dan Whittle [37,38]).
Paket perangkat lunak penjadwalan yang banyak digunakan
berdasarkan parameterisasi adalah Whittle's Four-D dan Four-X [37,38];
yang terakhir memungkinkan beberapa jenis bijih dalam perhitungan
biaya blok. Parameter yang digunakan dalam paket ini disebut sebagai
“biaya penambangan logam” yang didefinisikan sebagai: biaya ekstraksi
($/ton)/harga jual ($/gm). Kuantitas ini memberikan indikasi jumlah
produk yang harus dijual untuk menutup biaya penggalian satu ton
bahan. Alasan penggunaan parameter ini adalah bahwa ketiga
komponen untuk menghitung nilai blok (harga jual ($/unit), biaya
pemrosesan ($/ton) dan biaya ekstraksi ($/ton)) dikurangi menjadi satu
faktor dengan asumsi bahwa rasio biaya pemrosesan dan ekstraksi
adalah konstan. Memutihkan [37,
Keuntungan dari pendekatan Whittle meliputi:
• lubang bersarang dapat ditentukan secara efisien karena masing-masing memerlukan solusi
dari masalah batas lubang akhir.

• identifikasi cluster bijih kadar tinggi dalam model.

• ukuran dalam desain kontur pit akhir yang tunduk pada perubahan harga dan dengan
demikian beberapa analisis sensitivitas dapat dilakukan.

Kerugian dari pendekatan Whittle meliputi:

• waktu dan faktor variabel lainnya (misalnya, tingkat ekstraksi, jenis bijih yang berbeda,
pencampuran, dll.) hanya disertakan secara implisit dalam pengoptimalan melalui
modifikasi fungsi biaya.
• kemungkinan peningkatan besar dalam ukuran lubang dari satu lubang bersarang ke
lubang berikutnya. Ini disebut sebagai “masalah kesenjangan” dan muncul karena
tidak ada metode yang jelas untuk memilih nilai-nilaiλ.
• optimalitas tidak dijamin. Memang jadwal "terbaik" bahkan mungkin tidak memberikan
batas atas untuk NPV tambang. Hal ini mudah dilihat dengan mencatat lubang bersarang
yang dihasilkan oleh LGA tidak boleh memiliki limbah di bagian bawah sedangkan yang
dihasilkan dengan jadwal optimal bisa.
• validitas asumsi yang mendasari bahwa tingkat biaya pemrosesan dan ekstraktor
adalah konstan. Memang, Whittle [37] menyatakan bahwa variasi dari±20% selama 5
tahun adalah tipikal.
356 L. CACCETTA DAN SP HILL

• perlunya mengurangi biaya waktu menjadi biaya per ton. Membuat asumsi
tentang tingkat produksi, biaya ini ditentukan secara iteratif sampai solusi yang
“masuk akal” ditemukan.
• kendala struktural seperti penambangan hingga kedalaman vertikal maksimum atau lebar
penambangan minimum, tidak dapat dimasukkan ke dalam model parameterisasi.
• urutan ekstraksi mungkin tidak memenuhi persyaratan produksi
tambang.
Baru-baru ini, dalam upaya untuk mengatasi persyaratan spasial, Whittle [38] memperkenalkan
Algoritma Milawa yang memberikan sekumpulan lubang bersarang menghasilkan jadwal yang
direvisi dengan tujuan meningkatkan NPV.
Paket lain yang tersedia secara komersial yang memperluas pendekatan lubang
bersarang adalah Earthworks NPV Scheduler [20]. Paket ini pertama-tama menghasilkan
lubang bersarang dan kemudian menggunakan ini, pushback ditentukan secara heuristik.
Kriteria pushback adalah menjaganya sedekat mungkin dengan urutan ekstraksi yang
disarankan oleh lubang bersarang dengan mempertimbangkan akses peralatan. Terakhir,
prosedur pencarian pohon terbatas digunakan untuk mengurutkan ulang penghapusan
pushback untuk meningkatkan NPV. Keuntungan utama dari paket ini adalah dapat
menghasilkan jadwal yang lebih dapat diterima oleh insinyur pertambangan karena
kendala spasial praktis diperhitungkan saat menentukan pushback.
Sayangnya, semua metode yang menggunakan pendekatan nested pits di atas
dalam prosedur optimasi sekuensial dapat menghasilkan jadwal yang jauh berbeda
dari optimalnya. Bahkan solusi yang layak pun tidak dapat dijamin.

2.3.2.Pendekatan MILP

Sejumlah penulis telah mengusulkan formulasi MILP untuk berbagai masalah

penjadwalan tambang (Caccetta et al. [11,14], Dagdelen dan Johnson [17], Gershon [21,22]
dan Kim [27]). Kesulitan komputasi utama telah menjadi ukuran masalah. Biasanya
pendekatan MILP dikembangkan “in house” untuk jadwal jangka pendek. Di bawah ini
kami menguraikan dua pendekatan untuk memecahkan formulasi MILP.
Baru-baru ini, Combinatorics Pty Ltd telah merilis paket MineMax [31] untuk
penjadwalan tambang jangka panjang. MILP diselesaikan menggunakan paket komersial
(misalnya, CPLEX). Pemahaman kami adalah jika masalahnya terlalu besar untuk pemecah
MILP, atau jika solusi tidak diperoleh dalam jangka waktu yang ditentukan, maka opsi
kedua ditawarkan. Opsi ini untuk menyelesaikan setiap formulasi MILP untuk variabel
bebas berdasarkan periode demi periode.
Keunggulan MineMax antara lain:
• semua periode ditangani secara bersamaan dalam kasus global.
• pengoptimalan menggabungkan semua kendala termasuk grade; pertimbangan struktural; dll Jadi
bahkan jika ukuran blok yang lebih besar digunakan (untuk mengurangi jumlah variabel) solusi yang
diperoleh mungkin lebih baik daripada yang diperoleh dengan menggunakan pendekatan lubang
bersarang.

Kekurangan MineMax antara lain:

APLIKASI PENJADWALAN CABANG DAN POTONG UNTUK TAMBANG TERBUKA 357

• hanya mampu memecahkan masalah ukuran yang sangat kecil karena banyaknya
variabel bilangan bulat dan kendala. Ini berlaku untuk kedua opsi seperti yang akan
diilustrasikan di bagian komputasi.
• karena pemblokiran ulang sering diperlukan, persyaratan kemiringan dinding didekati dengan
buruk seperti halnya data blok.
• pada opsi period by period, jadwal yang diperoleh mungkin jauh dari optimal.
Caccetta et al [14] mengusulkan metode relaksasi Lagrangian untuk menyelesaikan MILP. Pada
setiap langkah, masalah yang mirip dengan masalah batas pit ultimate diselesaikan
menggunakan LGA dengan kendala tambahan yang digandakan. Optimalisasi subgradien
digunakan untuk mengurangi kesenjangan dualitas. Metode tersebut diuji pada badan bijih
nyata dengan 20.979 blok dan 6 periode waktu. Jadwal yang diperoleh berada dalam 5% dari
optimum teoritis. Masalah utama dengan metode ini adalah menyelesaikan kesenjangan
dualitas. Namun, submasalah berguna dalam menghasilkan solusi menggunakan heuristik.
Faktanya, solusi heuristik yang diperoleh untuk badan bijih nyata berada dalam 2% dari
optimum teoretis.

2.3.3.Metode Lain

Kami menyimpulkan bagian ini dengan menyebutkan secara singkat dua pendekatan lainnya. Runge
Mining Pty Ltd telah mengembangkan paket XPAC Autoscheduler untuk penjadwalan tambang [5].
Pendekatan heuristik mereka didasarkan pada metode yang diusulkan oleh Gershon [23] yang secara
iteratif memilih blok yang akan diekstraksi berdasarkan periode demi periode. Fungsi berbobot
digunakan untuk menentukan urutan penghapusan. Pada setiap langkah hanya blok yang
pendahulunya telah ditambang yang dipertimbangkan. Keuntungan dari metode ini adalah
kecepatannya. Penggunaan utamanya adalah alat interaktif di mana pengguna dapat melihat
sejumlah besar skenario dengan memperbaiki blok masuk dan keluar dan menjalankan heuristik.
Kerugian utamanya adalah: pencariannya rabun; tidak ada jaminan untuk menemukan solusi yang
layak; solusi yang diperoleh mungkin jauh dari optimal. Metode ini telah diterapkan pada model
hingga 100.000 blok.
Tolwinski dan Underwood [36] mengusulkan metode yang menggabungkan konsep
dari optimasi stokastik dan jaringan syaraf tiruan dengan heuristik yang mengeksploitasi
struktur tambang. Metode ini bekerja dengan memodelkan pengembangan tambang
sebagai urutan pit (status) dimana setiap pit berbeda dari pit sebelumnya dengan
menghilangkan satu blok (perubahan status). Distribusi probabilitas berdasarkan
frekuensi terjadinya keadaan tertentu digunakan untuk menentukan perubahan keadaan.
Aturan heuristik digabungkan untuk mempelajari karakteristik urutan lubang ini yang
menghasilkan hasil yang baik, atau buruk.
Keuntungan utama dari metode ini adalah:
• efek waktu dan faktor lain dapat secara eksplisit dimasukkan dalam optimasi.
• kendala struktural dimasukkan.
• berlaku untuk tambang ukuran realistis (diuji pada model hingga 88.000 blok).
Kerugian utama adalah:
358 L. CACCETTA DAN SP HILL

• hanya sejumlah kecil dari semua urutan yang mungkin dapat dieksplorasi. Metode ini
menderita "ledakan kombinatorial" dari jumlah negara bagian.
• tidak ada jaminan untuk menemukan solusi yang layak jika ada.
• tidak mengukur kualitas solusi.

3. Metode Cabang dan Potong Baru

Pada bagian ini kami menguraikan prosedur Cabang dan Potong kami untuk menyelesaikan MILP (2.1)
- (2.9). Pekerjaan kami dimotivasi oleh keberhasilan baru-baru ini dari pendekatan ini
untuk berbagai masalah optimisasi kombinatorial besar termasuk: masalah salesman
keliling (Applegate et al. [3] dan Padberg dan Rinaldi 32]); masalah rute kendaraan
(Achuthan et al. [1,2] dan Augerat et al. [4]); penjadwalan penerbangan (Hoffman dan
Padberg [25]); dan berbagai masalah pohon rentang terkendala (Caccetta dan Hill [12,13]).

Tujuan dari pekerjaan kami adalah untuk menghasilkan metode yang secara eksplisit
menggabungkan semua kendala dalam optimasi dan mampu menghasilkan solusi yang terbukti baik
untuk masalah yang cukup besar. Batasan kualitas penting karena memberikan kepercayaan kepada
insinyur pertambangan dengan hasil yang dihasilkan.
Kami sekarang merinci beberapa fitur penting dari metode kami yang mengeksploitasi
struktur masalah. Algoritme kami telah diimplementasikan dalam C++ dan melibatkan
sekitar 17.000 baris kode. Kode telah diuji pada tambang yang beroperasi. Karena
komersialisasi perangkat lunak dan perjanjian kerahasiaan, kami tidak dapat memberikan
detail lengkap dari semua aspek pekerjaan kami. Namun, kami merangkum beberapa
fitur penting di bawah ini.

3.1.FITUR UTAMA

1. Model blok dikurangi untuk hanya menyertakan blok di dalam desain lubang akhir yang
dikembangkan dari lubang akhir (Catatan: Teorema di bagian sebelumnya). Pengurangan
lebih lanjut dilakukan melalui pertimbangan (2.2) - (2.5) dan (2.7).
2. MILP memiliki percabangan variabel yang kuat karena ketergantungan antar variabel
((2.6) dan (2.7)). Perhatikan bahwa menyetel variabel ke 0 atau 1 akan memperbaiki
sejumlah besar variabel lainnya. Akibatnya, relaksasi LP berikutnya berukuran lebih
kecil secara signifikan. Ini memotivasi lebih banyak percabangan dibandingkan
dengan metode Cabang dan Potong yang khas.
3. Bidang pemotongan yang melibatkan batasan Knapsack diidentifikasi menggunakan batas
atas kapasitas ((2.2) - (2.5)) dan dependensi penghilangan blok (2.7). Pemotongan juga
diidentifikasi melalui ketergantungan pemindahan material antar bangku.
4. Strategi pencarian kami melibatkan kombinasi pencarian pertama terbaik dan pencarian pertama
mendalam. Motivasi untuk ini adalah untuk mencapai "penyebaran yang baik" dari jadwal lubang yang
mungkin (pencarian pertama terbaik) sambil memanfaatkan penggunaan pencarian pertama yang
mendalam di mana LP berturut-turut terkait erat dari satu node anak ke yang berikutnya.
APLIKASI PENJADWALAN CABANG DAN POTONG UNTUK TAMBANG TERBUKA 359

Untuk masalah besar, hal ini sering kali menghasilkan solusi yang terbukti baik ditemukan lebih
awal daripada metode pencarian yang diarahkan untuk menetapkan solusi optimal.
5. Batas bawah yang baik dihasilkan melalui penggunaan LP-Heuristic. Metode ini bekerja
dengan mempertimbangkan setiap periode secara bergantian dan menetapkan set
variabel bebas masuk dan keluar. Pemotongan pesawat kemudian dihasilkan untuk
periode tersebut, LP lebih lanjut diselesaikan dan perbaikan lebih lanjut terjadi. Sepanjang
penetapan variabel pemeriksaan kelayakan digunakan. Jika heuristik berhasil, atau gagal
karena ditemukan batas bawah yang lebih rendah, maka periode dianggap dalam arah
yang sama, jika tidak, arahnya dibalik. Heuristik dipanggil untuk lima level pertama dari
pohon pencarian dan setiap node kedelapan dibuat setelahnya.
6. Penetapan standar variabel non basis dengan menggunakan pengurangan biaya dilakukan.
Karena ketergantungan blok ini dapat menyebabkan solusi LP kehilangan optimalitasnya.
Dalam hal ini kami memanggil pemecah LP dan memasuki kembali fase pembuatan
bidang pemotongan tanpa percabangan.
7. Banyak aturan percabangan yang diuji dan berikut ini terbukti yang terbaik.
Variabel bebas dipertimbangkan dan subset ini dipilih berdasarkan kedekatan
dengan nilai 0,5. Untuk setiap variabel dalam himpunan bagian, kami
menghitung perubahan jumlah dalam nilai fraksional dari semua variabel yang
bergantung pada inklusi dan eksklusi variabel percabangan. Pilih satu dengan
perubahan jumlah minimal tertinggi di kedua arah percabangan. Percabangan
yang kuat digunakan jika celah antara batas bawah dan atas cukup kecil.
8. Jika subproblem LP tidak dapat diselesaikan dalam waktu maksimum yang ditentukan (2
menit), maka optimalisasi LP dihentikan dan percabangan dilakukan menggunakan aturan
pada 7 di atas. Upaya kemudian dilakukan untuk menyelesaikan LP yang dihasilkan dalam
waktu yang ditentukan. Proses ini diulangi selama diperlukan.
9. Fase bidang pemotongan diakhiri lebih awal jika tailing-off terdeteksi atau jika submasalah LP
diselesaikan secara optimal dalam waktu lebih dari waktu yang ditentukan (1 menit). Perhatikan bahwa
menambahkan bidang pemotongan lebih lanjut, bahkan dengan pembersihan kendala yang tidak
efektif, cenderung meningkatkan waktu solusi untuk panggilan berturut-turut ke pemecah LP.

10. Saat melakukan percabangan, kami menyelidiki subset acak dari variabel yang memiliki indeks
waktu yang sama dengan yang bercabang. Batas pada variabel juga dapat diperbarui selama
proses ini.
11. Semua submasalah LP kami diselesaikan menggunakan CPLEX Versi 6.6 [16]. Kami hanya
menggunakan CPLEX dalam menyelesaikan LP yang santai. Opsi preprocessor dan aggregator
dimatikan dan semua default lainnya digunakan.

Sebelum membahas hasil komputasi di bagian selanjutnya, kami menyimpulkan bagian ini dengan
diskusi singkat tentang beberapa ekstensi pada formulasi MILP (2.1) - (2.9) untuk menggabungkan
pembatasan penambangan praktis lebih lanjut.
360 L. CACCETTA DAN SP HILL

3.2.EKSTENSI MODEL

Selain memasukkan kendala dari penjumlahan linear atribut blok atau rasio
kuantitas dan membatasinya (misalnya, pencampuran), berikut ini
dimodelkan:
• Memproses berbagai jenis bijih:
Dalam banyak aplikasi yang kita milikiK-2 jenis bijih yang perlu diproses melalui
pabrik. Laju pemrosesan, dalam ton/jam,RSayauntuk jenis bijihSayadikenal. Total
waktu pemrosesan per batasan periode dapat ditulis sebagai:
( )
∑K 1∑ N
1
TikXSaya - Q,
k=1 Rk(Saya=1 )
∑K ∑N
1 ( )
T1
Tik XSaya
T− XSaya
− - Q, t=2,3, ..., T
k=1
Rk Saya=1

Di mana

Tik: tonase jenis bijihkdi blokSaya

Q: waktu yang diharapkan (dalam jam) pabrik tersedia per periode.
• Kedalaman vertikal maksimum:
Untuk memungkinkan akses pit (jalan angkut), disarankan untuk membatasi kedalaman vertikal
maksimum D yang dapat ditambang dalam satu periode. Pembatasan ini dapat dimodelkan
sebagai berikut. Misalkan blokSayaDanJmemiliki koordinat(x, y, z1)Dan(x, y, z2), masing-masing
denganz1<z2Danz2−z1>D. Lalu blokSayaDanJharus ditambang dalam periode waktu yang berbeda
dan sebagainya

Xl1=0,untuk semua blokllebih dariDunit di bawah permukaan.

XJT-XT−1,Saya
untukT=2,3, ..., T.

• Lebar dasar lubang minimum:

Untuk memfasilitasi pergerakan peralatan, lebar dasar lubang minimum untuk setiap periode
perlu ditentukan. Kami tidak percaya bahwa kendala linier dapat digunakan untuk menentukan
ini. Pendekatan yang biasa dilakukan adalah secara manual “menghaluskan” dasar setiap lubang
inkremental; optimalitas hilang oleh proses ini. Fitur yang kami catat tentang penambangan
adalah bahwa ketika sebuah lubang dikembangkan dengan balok-balok yang diambil dari
beberapa bangku, lereng dinding jarang terbentuk di batas atasnya, kecuali untuk balok yang
terletak di batas lubang terakhir. Konsekuensinya, pendekatan kami adalah mendefinisikan
kembali sudut kemiringan dinding secara proporsional di semua blok kecuali yang terletak di
batas. Ini akan memiliki efek bahwa blok dihapus dalam kelompok dan pushback dapat
ditentukan secara alami.
• Timbunan:
Timbunan terbentuk karena sejumlah alasan termasuk: pencampuran; penyimpanan
produksi yang berlebihan; dan penyimpanan bijih kadar rendah untuk kemungkinan
pemrosesan di masa depan. Saat menempatkan blok bijih di stockpile, karakteristik blok
APLIKASI PENJADWALAN CABANG DAN POTONG UNTUK TAMBANG TERBUKA 361
Tabel 1.Hasil untuk Masalah yang Lebih Kecil

Masalah Waktu CPU (jam)

Karakteristik 0,25 0,5 1 2 4

Masalah. 1 Celah(%) 0,2667 0,1929 0,1636 0,1538 0,1317

Node 2248 4715 9121 15341 27908
6720 Baris 771 643 641 639 702
Blok

Masalah. 2 Celah(%) 0,7205 0,6616 0,5469 0,5190 0,4972

Node 316 890 2049 4686 10775
13440 Baris 1786 1787 1784 1728 1674
Blok

Masalah. 3 Celah(%) 1.2507 1.2507 0,7901 0,7214 0,6787

Node 19 54 286 873 2280
26208 Baris 3988 4120 3781 3837 3812
Blok

(grade, tonase, dll) diketahui. Namun, karena blok dicampur di stockpile, karakteristik
material yang dipindahkan dari stockpile ke pabrik perlu diperlakukan sebagai
variabel. Karena jumlah bijih yang dikeluarkan dari timbunan tidak diketahui sebelum
pengoptimalan, hal ini menimbulkan beberapa kendala nonlinier. Untuk
mengatasinya, kami mendefinisikan variabel gram logam yang diambil dari timbunan
per periode waktu serta tonase material. Kemudian, dengan menggunakan variabel-
variabel ini, kadar rata-rata bijih yang dikeluarkan dari stockpile tersirat dan dapat
dibulatkan. Perhatikan bahwa formulasi ini mendefinisikan batas atas yang valid
untuk masalah tersebut. Kami menggunakan beberapa kendala yang berbeda untuk
mengikat nilai rata-rata serta kendala konservasi gerakan untuk membuat batas atas
sekencang mungkin.

4. Hasil Komputasi

Algoritme Branch and Cut kami telah diimplementasikan dalam C++ dan diuji pada komputer
prosesor ganda SGI Origin 200 serta komputer multiprosesor memori bersama SGI Origin
2000. Kemampuan prosesor ganda hanya digunakan untuk menyelesaikan LP yang santai.
Perangkat lunak ini telah diuji secara ekstensif baik pada data uji yang diberikan kepada kami
oleh mitra industri kami maupun data dari produksi tambang. Model dalam data pengujian
kami berkisar dari 6.720 hingga 209.664 blok. Dalam semua kasusT=10. Kami menyusun
batasan jumlah material yang dibuang serta batasan persyaratan penggilingan untuk menutupi
sejumlah besar kasus yang benar-benar dapat terjadi.
 362

Meja 2.Hasil untuk Masalah yang Lebih Besar

Masalah Waktu CPU (jam)

Karakteristik 0,25 0,5 1 2 4 8 12 14 16 20

Masalah. 4 Celah(%) 4,5099 2,0274 1,9247 1,6918 1,1364 0,8187 0,7977 0,7880 0,7838 0,7766 1
Node 7 14 47 247 818 1327 1631 1916 2513
52416 Baris 8411 81228251 83838003 8176 8254 8312 8253 8234
Blok

Masalah. 5 Celah(%) 27.9331 21.5744 16.9511 14.6372 10.5561 7.2088 6,3193 6,1240 5,6889 5,3598
Node 2 5 11 21 44 97 170221268 366
104832 Baris 15591 15769 15926 16271 16667 16916 17174 17212 17198 17278
Blok

Masalah. 6 Celah(%) 58.0049 58.0049 56.8978 19.1737 17.6026 11.0502 9.7508 9.7508 9.7033 8.3265
Node 1 16 30 53 104 202 305 355 395 480
209664 Baris 19437 25791 25252 22310 23365 24289 241187 24123 24351 24306
Blok
L. CACCETTA DAN SP HILL
APLIKASI PENJADWALAN CABANG DAN POTONG UNTUK TAMBANG TERBUKA 363

Pada komputer SGI Origin 200 kami memperoleh solusi optimal model blok 26.208 yang
dijamin berada dalam 0,4% dari optimal dalam waktu 12 menit. Untuk model terbesar, solusi
yang dijamin berada dalam 2,5% dari optimal diperoleh dalam waktu 4 jam. Untuk model yang
lebih besar ini kami melanjutkan perhitungan selama 16 jam lebih lanjut dan mengamati ada
perubahan yang dapat diabaikan pada celah tersebut.
Pada komputer SGI Origin 2000 kami menjalankan 6 soal dengan ukuran berbeda mulai
dari 6720 hingga 209.664 blok dan memperoleh hasil yang khas dari keluaran kami, diberikan
dalam Tabel 1 dan 2. Untuk soal yang lebih kecil kami menggunakan serial CPLEX.
Dalam tabel kami, kami menggunakan notasi berikut:
(UB−LB)
Celah(%): ×100
UB
Node: jumlah total simpul anak yang
Baris: dihasilkan jumlah kendala dalam LP.
Metode kami menghasilkan batasan yang ketat. Namun, menetapkan optimalitas (kecuali, tentu
saja, untuk masalah kecil) sulit dilakukan karena begitu kita mencapai solusi mendekati optimal, tidak
ada bidang potong yang tersedia untuk menghilangkan variabel fraksional yang terjadi pada tingkat
bangku yang sama. Perhatikan bahwa (2.6) dan (2.7) memberikan ketergantungan antara variabel
yang berhubungan dengan penghilangan blok dalam waktu dan dimensi vertikal, tetapi tidak secara
horizontal.
Setelah pengujian ekstensif di atas, kami menerapkan metode kami pada tambang emas
yang berproduksi. Tambang ini beroperasi sesuai jadwal yang dibuat oleh MineMax. Untuk
membuat perbandingan yang bermakna dengan jadwal ini, kami mensimulasikan kondisi
pengujian yang sama yang digunakan oleh MineMax. Ini melibatkan pemblokiran ulang model
blok asli yang berisi 23 juta blok menjadi satu berisi 1363 blok. Namun, karena pemblokiran
ulang dilakukan dengan paket yang berbeda, nilai total lubang yang tidak didiskon yang
digunakan dalam model kami menjadi 3,3% lebih sedikit. Dalam aplikasi iniT=6 dan tingkat
diskonto adalah 10%. Kendala yang terlibat pergerakan material dan batas atas pada kapasitas
penggilingan (per periode). Perangkat lunak kami menghasilkan 7 jadwal bagus dalam total
waktu 10 menit. Jadwal terbaik kami berada dalam 0,27% dari jadwal optimal dan divalidasi oleh
para insinyur pertambangan sebagai jadwal yang realistis. Jadwal kami menghasilkan
peningkatan laba NPV sebesar 13,1%. Faktanya, dengan mempertimbangkan perbedaan dalam
model blok, nilai solusi kami setidaknya 15% lebih tinggi.
Solusi MineMax (yang dipasok ke perusahaan pertambangan oleh pembuat perangkat lunak)
diperoleh melalui pengoptimalan periode demi periode karena paket tidak dapat diselesaikan secara
global dalam batas waktu yang ditentukan. Perbedaan penting antara kedua solusi tersebut adalah
bahwa solusi kami menghasilkan arus kas yang jauh lebih tinggi dalam dua periode pertama. Hal ini
sebenarnya sesuai dengan tujuan para perencana tambang.

5. Kesimpulan

Metode cabang dan potong yang telah kami uraikan dalam makalah ini memberikan teknik
pengoptimalan pertama yang menggabungkan semua kendala yang muncul dalam penjadwalan
produksi tambang. Kami telah menunjukkan bahwa solusi yang terbukti baik dapat diperoleh untuk
masalah berukuran praktis. Pemodelan kami lebih akurat ditambah dengan
364 L. CACCETTA DAN SP HILL

teknik solusi cepat memberi industri pertambangan alat berbasis matematis yang kuat
untuk mengelola sumber dayanya. Seperti yang ditunjukkan manfaat ekonomi yang
signifikan dapat dicapai.

Terima kasih

Para penulis mengucapkan terima kasih kepada Australian Research Council atas
dukungan finansial melalui SPIRT Grant (No. C69804881) dan mitra industri kami
Optimum Planit atas dukungan finansial dan untuk membantu semua aspek proyek
termasuk penyediaan data.

Referensi

1. Achuthan, NR, Caccetta, L. dan Hill, SP (1995), Kendala Penghapusan Subtour Baru
untuk Masalah Rute Kendaraan,Jurnal Riset Operasi Eropa91, 573–586.
2. Achuthan, NR, Caccetta, L. and Hill, SP (1998), Masalah Perutean Kendaraan Berkapasitas:
Beberapa Bidang Pemotongan Baru,Jurnal Riset Operasional Asia-Pasifik15, 109–123.
3. Applegate, R., Bixby, R., Chvatal, V. dan Cook, W. (1995),Menemukan Pemotongan di TSP (Laporan
Pendahuluan), Laporan Teknis DIMACS, hlm. 95–105.
4. Augerat, P., Belengeur, JM, Benavent, E., Corberan, A., Naddef, N. dan Rinaldi, G. (1995) Hasil
Komputasi dengan Branch and Cut Code untuk Masalah Routing Kendaraan Berkapasitas,
Laporan Penelitian 949-M, Universite Joseph Fourier, Grenoble, Prancis, .
5. Penjadwal Otomatis, Runge Mining Pty Ltd. (Australia). Web: http//www.runge.com/xpac.
6. Francois-Bongarcon, DM dan Guibal, D. (1984), Parametisasi Desain Optimal dari Open
Pit Awal Fase Baru Penelitian,Trans. UKM, AIM274, 1801–1805.
7. Caccetta, L. dan Giannini, LM (1986), Teknik Optimasi untuk Masalah Batas Lubang Terbuka,
Proses Australia. Inst. Min. Logam.291, 57–63.
8. Caccetta, L. dan Giannini, LM (1988), Aplikasi Matematika Diskrit dalam Desain
Tambang Terbuka, Matematika Terapan Diskrit 21, 1–19.
9. Caccetta, L. dan Giannini, LM (1990),Penerapan Teknik Riset Operasi pada Penambangan
Terbuka,dalam Byong-Hun Ahn (Ed.), Riset Operasi Asia-Pasifik: APORS'88, Elsevier Science
Publishers BV, hlm. 707–724.
10. Caccetta, L., Giannini, LM dan Kelsey, P. (1994), Tentang Penerapan Teknik Optimasi
Eksak untuk Desain Lubang Terbuka,Jurnal Riset Operasi Asia-Pasifik11, 155–170.

11. Caccetta, L., Giannini, LM dan Kelsey, P. (1998),Penerapan Teknik Optimasi pada
Penambangan Terbuka,Prosiding Konferensi Internasional Keempat tentang Teknik dan
Aplikasi Optimasi (ICOTA'98) (L. Caccetta et al. Editor.), Vol. 1, hlm. 414–422. (Universitas
Teknologi Curtin: Perth, Australia).
12. Caccetta, L. dan Hill, SP (2001), Metode Cabang dan Potong untuk Optimasi Jaringan,
Pemodelan Matematika dan Komputer33, 517–532.
13. Caccetta, L. dan Hill, SP (2001), Metode Cabang dan Potong untuk Masalah Pohon Rentang
Minimum Derajat Terkendala,Jaringan37, 74–83.
14. Caccetta, L., Kelsey, P. and Giannini, LM (1998), Penjadwalan Produksi Tambang Terbuka,
dalam AJ Basu, N. Stockton and D. Spottiswood (Eds.), Computer Applications in the
Minerals Industries International Symposium ( 3rdAPCOM Regional), Austral. Inst. Min.
Logam. Seri Publikasi 5, 65–72.
15. Coleou, T. (1988),Parameterisasi Teknis untuk Desain Tambang Terbuka dan Perencanaan Tambang,di:
Prok. 21stSimposium APCOM dari Masyarakat Insinyur Pertambangan (AIME) hlm. 485–494.
APLIKASI PENJADWALAN CABANG DAN POTONG UNTUK TAMBANG TERBUKA 365

16. Panduan Pengguna CPLEX 6.0, ILOG Inc., Divisi CPLEX, 889 Alder Avenue, Suite 200, Incline
Village, NV 89451, AS
17. Dagdelen, K. dan Johnson, TB (1986),Penjadwalan Produksi Tambang Terbuka yang Optimal
dengan Parameterisasi Lagrangian,di: Prok. 19thSimposium APCOM dari Masyarakat Insinyur
Pertambangan (AIME) hlm. 127–142.
18. Denby, B. dan Schofield, D. (1995),Penggunaan Algoritma Genetika dalam Penjadwalan Tambang
Bawah Tanah,di: Prok. 25thSimposium Perhimpunan Insinyur Pertambangan APCOM (AIME,
New York), hlm. 389–394.
19. Denby, B., Schofield, D. dan Bradford, S. (1991),Aplikasi Neural Network di Teknik
Pertambangan,Majalah Departemen Teknik Sumber Daya Mineral, University of
Nottingham, hlm. 13–23.
20. Pekerjaan Tanah, Penjadwal NPV, Web: http://www.earthworks.com.au.
21. Gerson, M. (1982),Pendekatan Pemrograman Linier untuk Optimasi Penjadwalan Tambang,di:
Prok. 17thSimposium APCOM dari Masyarakat Insinyur Pertambangan (AIME), hlm. 483–493.
22. Gershon, M. (1983), Optimalisasi Penjadwalan Tambang dengan Pemrograman Integer Campuran,Teknik
Pertambangan35, 351–354.
23. Gershon, M. (1987), Pendekatan Heuristik untuk Perencanaan Tambang dan Penjadwalan
Produksi,Int. Jurnal Teknik Pertambangan dan Geologi5, 1–13.
24. Gignac, L. (1975),Evaluasi Bijih Terkomputerisasi dan Desain Lubang Terbuka,di: Prok. 36thSimposium
Pertambangan Tahunan Society of Mining Engineers (AIME), hlm. 45–53.
25. Hoffman, KL dan Padberg, MW (1993), Memecahkan Masalah Penjadwalan Awak Pesawat berdasarkan
Cabang dan Potongan,Ilmu Manajemen39, 657–682.
26. Kim, YC (1979),Analisis Batas Lubang Terbuka: Tinjauan Teknis,dalam: A. Weiss (Ed.), Computer
Methods for the 80's (AIME, New York), hlm. 297-303.
27. Kim, YC (1979),Penjadwalan Produksi: Tinjauan Teknis,dalam: A. Weiss, (Ed.), Computer
Methods for the 80's (AIME, New York) hlm. 610-614.
28. Lerchs, H. dan Grossmann, IF (1965), Desain Optimal Tambang Terbuka,Kanada. Inst. Banteng
Penambangan.58, 47–54.
29. Matheron, G. (1975),Le Parametrage des Contours Optimaux,Laporan Teknis No. 403,
Centre de Geostatistiques, Fontainebleau, Prancis.
30. Matheron, G. (1975),Le Parametrage Technique des Reseues, Laporan Teknis No. 453,
Centre de Geostatistiques, Fontainebleau, Prancis.
31. MineMax, Combinatorics Pty Ltd, Unit 4b, R&D Centre, 1 Sarich Way, Bentley, Australia
Barat, 6102.
32. Padberg, M. dan Rinaldi, G. (1991), Algoritma Cabang dan Potong untuk Penyelesaian Masalah
Travelling Salesman Skala Besar,Tinjauan SIAM33(1), 60–100.
33. Picard, JC (1976), Penutupan Maksimum Grafik dan Aplikasi untuk Masalah Kombinatorial,
Manajemen Sc. 22, 1268-1272.
34. Thomas, G. (1996),Optimalisasi Penjadwalan Produksi Tambang – Canggih,in
Proceedings IIR Dollar Driven Planning Conference.
35. Tomas, G.Optimasi Pit dan Penjadwalan Produksi Tambang – Jalan ke Depan,dalam: Lanjutkan. 26
thSimposium Perhimpunan Insinyur Pertambangan APCOM (AIME) (1976), hlm. 221–228.
36. Tolwinski, B. dan Underwood, R. (1996),Algoritma Penjadwalan untuk Tambang Terbuka,Jurnal
IMA Matematika Terapan dalam Bisnis dan Industri 7, 247–270.
37. Whittle, J. (1993),Panduan Pengguna Empat-D, Whittle Programming Pty Ltd., Melbourne, Australia.
38. Whittle, J. (1998),Panduan Pengguna Empat-X, Whittle Programming Pty Ltd., Melbourne, Australia.
39. Whittle, J. (1990),Optimasi Lubang Terbuka,Penambangan Permukaan (2tEdisi), AMIE hlm. 470–475.
40. Yamatomi, J., Mogi, G., Akaike, A. dan Yamaguchi, U. (1995),Algoritma Kerucut Dinamis Ekstraksi
Seleksi untuk Desain Tambang Terbuka Tiga Dimensi,dalam: Lanjutkan. 25thSimposium APCOM
dari Masyarakat Insinyur Pertambangan (AIME) hlm. 267-274.